AlphaGo前后共有18个不同的系统版本，谷歌一直让装载不同版本的AlphaGo进行对战，没有一个重复的动作。将要与李世石对战的系统是第18版本
《财经》记者 孙爱民 特约记者 全芙庆/文
北京时间3月9日12点，Google人工智能围棋系统AlphaGo与韩国围棋9段李世石的首场比赛即将在首尔打响。比赛前一日下午，Google副总裁、Deepmind创始人兼CEO戴密斯·哈萨比斯（Demis Hassabis）在接受《财经》专访时表示，在完成与李世石的比赛后，Google或将带AlphaGo到中国与日本，与职业围棋高手对决。
Google选择李世石，是因为在围棋界，李世石是一位顶级选手，“我们想让这一场对战，即使在20年以后也被人津津乐道，因此，为AlphaGo安排一位职业9段选手进行对决，需要选手在围棋领域拥有超过10年的顶尖地位。”戴密斯认为，此战也可使李世石成为围棋历史上的传奇式人物。
对于AlphaGo自去年10月对战樊麾以来、做过哪些系统升级，戴密斯卖了一个关子，说要到比赛结束之后才会公布细节。他表示，如果还用去年10月份的AlphaGo系统，李世石肯定会轻易赢得比赛，“李世石肯定比樊麾能力强，所以我们必须不断升级程序，相信有机会赢得比赛”。
戴密斯称，AlphaGo前后共有18个不同的系统版本，将要与李世石对战的系统是第18版本，“我们一直让装载了不同版本的AlphaGo进行对战，场面很有意思，你绝对不会看到一个重复的动作。”
AlphaGo的研发团队致力于增强人工智能系统的深度学习范围，使其在同一个系统下，不仅可以学习围棋，还可以学习其他多种行为。
中国科学院计算技术研究所研究员陈云霁在接受《财经》采访时表示，目前的人工智能系统还只是面对一个问题进行设计，所能学习到的行为也具有单一性，要实现人工神经网络学习能力的迁移性，科学与工程还有很长的路要走。
人类的大脑里存在千亿以上的神经元细胞，神经元细胞之间的连接靠突触，而突触的数量达百万亿级别，如此庞大而充满未知的网络，使得人的大脑拥有强大的信息处理能力与学习能力。AlphaGo之所以能够学习围棋棋谱，归功于其搭载了人工神经网络，这个网络是对人体神经细胞和突触进行数字化的抽象。
陈云霁表示，人工智能能够实现深度学习，主要原因是借鉴人脑了多层处理的机理。Google尚未公布AlphaGo的技术细节，但陈云霁估计，AlphaGo至少有10层神经元细胞。
为何AlphaGo还只能学习围棋，而难以达到甚至超越人类智能，学习并做到更多的行为？
陈云霁认为，即使现在最先进的人工智能系统，与成人人脑相比也没有可比之处。“微软的人工神经系统拥有152层神经网络，里面神经元的数量也只是千万级，而人脑是千亿级；AlphaGo的神经元不会超过千万。”
现有计算机的硬件，尤其是CPU（中央处理器）与GPU（图片处理器）难以满足千万级别神经元人工神经网络的运行，“现在的GPU和CPU不是为了智能处理设计出来的，他们本质上是用于做加减乘除的，一贯的设计思路是为了科学计算。”陈云霁说。
如果要用现有的CPU去做出人脑这么大规模的神经元，需要1600万CPU核，在运行时，每分钟都会出现CPU损坏情况。
陈云霁分析，AlphaGo装载的依旧是传统的CPU与GPU，并没有用专门的深度学习处理器，神经网络规模上还不够大，“某种意义上讲，AlphaGo的人工神经系统相当于人类大脑中的一小块。”
（《财经》实习生闵敏、李名清、侯力嘉对此文亦有贡献）
,
